多分辨率的独立分量分析算法及其实现研究

独立分量分析（ICA）是盲源分离中最重要的技术之一，具有广泛的应用前景，随着人们对实时信号处理的需求，迫切要求找到快速精确，并且通用性和移植性比较好的算法。本课题提出了以多分辨率为分离准则的ICA分离算法，具有局部细节跟踪能力，弱化信源特征和算法差异,通过自适应方式完成计算过程，并解决由于分组产生的分离幅度、次序和边界影响。在自适应的基础上，进一步研究优化的流水线解决方案，在寄存器级设计易于集成电路完成的可根据问题规模变化而扩展的并行硬件结构。研究结果对于高速精确的解决大规模实时信号分离提供了新方法，为探索通用易移植的盲源分离提供了新技术和新思路。

独立分量分析是盲源分离中最重要的技术之一，具有广泛的应用前景，随着人们对实时信号处理的需求，迫切要求找到快速精确，并且通用性和移植性比较好的算法。本课题在时频分析的基础上，研究了以多分辨率为分离的核函数,分析了尺度算子和压缩算子对源信号和混合信号的敏感性，同时进行了附加经典先验信息的测试，实验结果弱化了信源特征和算法差异。在多分辨率分离准则的基础上建立了一般二次分离准则，实验进一步证明二次核函数的方式也可以有效的分离稀疏化后的混合含噪图像。课题通过研究自适应流水线过程中的分组分离幅度、次序和边界影响，进一步设计了多分辨率盲分离的流水线解决方案，以模块化的方式在寄存器级实现了盲源分离。该结构易于移植，并可根据问题规模变化而扩展的硬件结构，在视频去噪、移动计算的信源分离等应用中测试了该硬件结构。本课题的研究对于高速实时信号分离提供了新方法，为探索通用易移植的盲源分离提供了新技术和新思路。